Quick Audience:Pemetaan ID dan Pengenal Unik Pengguna QAID

Informasi latar belakang

Kolam data Quick Audience Anda mungkin berisi data dari pengguna yang sama melalui beberapa saluran, seperti tabel data pesanan yang diimpor dari Taobao, mini program WeChat, aplikasi mandiri, data tag dari CRM, data acara perilaku dari aplikasi mandiri, mini program, Web, atau sistem pihak ketiga yang dikumpulkan oleh titik pelacakan, serta daftar ID kerumunan yang diunggah.

Cara mengidentifikasi pengguna yang sama di berbagai saluran, membuat data setiap saluran membentuk sinergi, dan mendukung wawasan serta pengambilan keputusan Anda adalah masalah utama yang diselesaikan oleh V4.

ID Pengguna dapat terkait dengan ID Perusahaan dan ID Platform Pihak Ketiga. ID Perangkat dapat terkait dengan ID akun aplikasi pelacakan. Tidak peduli dari saluran mana data berasal, jika jenis ID yang berbeda saling terkait, ID tersebut dianggap milik pengguna yang sama.

Pemetaan ID adalah mekanisme identifikasi pengguna yang kami implementasikan berdasarkan ide ini.

Logika Dasar Pemetaan ID

Secara umum, Pemetaan ID mengidentifikasi dan menduplikasi pengguna berdasarkan data ID yang berkorelasi, serta memberikan setiap pengguna independen QAID unik di Quick Audience.

Berikut adalah contoh Pemetaan ID dalam kasus paling sederhana:

Hari pertama:

• Tabel pesanan yang diimpor berisi satu baris: ID Taobao1, nomor telepon 1...

• Tabel acara perilaku yang dikumpulkan dan dilaporkan oleh titik pelacakan aplikasi berisi satu baris: IDFA1, nomor telepon 1...

Sistem kemudian menentukan bahwa ID ini milik pengguna yang sama dan memberikan QAID1 kepada pengguna tersebut.

Hasilnya ditunjukkan dalam tabel di bawah ini.

Konflik ID dalam Pemetaan ID dan Solusi

Setiap ID dalam Contoh 1 di atas hanya memiliki satu nilai. Bagaimana jika ID memiliki beberapa nilai?

Dalam hal ini, sistem akan menggabungkan dan menyeimbangkan ID sesuai dengan nilai tunggal/multi-nilai ID dan prioritasnya. Untuk kemudahan deskripsi, diasumsikan bahwa nilai tunggal/multi-nilai dan prioritas ID yang terlibat ditunjukkan dalam tabel berikut.

Selanjutnya, mari kita lihat beberapa contoh pemetaan ID dalam kasus kompleks. Untuk kemudahan representasi, jenis ID dalam semua tabel diurutkan berdasarkan prioritas dari tinggi ke rendah.

Data pengguna berikut tersedia pada hari pertama:

Berdasarkan ini, hari kedua:

• Tabel pesanan yang diimpor berisi satu baris: ID Taobao2, nomor telepon 1...

• Tabel acara perilaku yang dikumpulkan dan dilaporkan oleh titik pelacakan aplikasi berisi satu baris: IDFA2, nomor telepon 1...

Di bawah aturan nilai tunggal/multi-nilai dan aturan prioritas yang disebutkan di atas:

1. Karena IDFA adalah nilai tunggal, IDFA2 dan IDFA1 bertentangan, tetapi karena prioritas IDFA lebih rendah daripada nomor telepon dan nomor teleponnya sama, masih ditentukan sebagai pengguna yang sama. Di bawah kebijakan penggabungan keseluruhan default, hanya IDFA1 dengan waktu pembuatan paling awal yang akan dipertahankan.

2. Setelah pengguna diidentifikasi sebagai pengguna yang sama, beberapa ID Taobao dipertahankan karena ID Taobao adalah multi-nilai.

Hasilnya ditunjukkan dalam tabel di bawah ini.

Berdasarkan data pengguna hari kedua dalam tabel di atas, hari ketiga:

• Tabel pesanan yang diimpor berisi satu baris: ID Taobao1, nomor telepon 2...

Di bawah aturan nilai tunggal/multi-nilai dan aturan prioritas yang disebutkan di atas:

• Meskipun ID Taobao cocok, karena nomor telepon adalah nilai tunggal, nomor telepon 2 bertentangan dengan nomor telepon 1, dan prioritas nomor telepon lebih tinggi daripada ID Taobao, jadi ditentukan bahwa dua nomor telepon milik pengguna yang berbeda.

Hasilnya ditunjukkan dalam tabel di bawah ini.

Berdasarkan data pengguna hari ketiga dalam tabel di atas, hari keempat:

• File ID kerumunan yang diunggah berisi satu baris: ID Taobao1

Di bawah aturan nilai tunggal/multi-nilai dan aturan prioritas yang disebutkan di atas:

• Baik QAID1 maupun QAID2 memiliki ID Taobao1. Anda tidak dapat mengonfirmasi ID Taobao1 mana yang termasuk ID Taobao1 yang baru diunggah. Oleh karena itu, Anda ditentukan sebagai pihak ketiga selain QAID1 dan QAID2.

Hasilnya ditunjukkan dalam tabel di bawah ini.

Mari kita gunakan contoh untuk memahami dampak konsolidasi QAID terhadap data pengguna sebelum dan sesudahnya.

Dalam contoh, IDFA3 dari QAID4 adalah data baru, yang digabungkan melalui IDFA3.

Sebelum penggabungan:

Setelah penggabungan:

Catatan:

• Sebelum penggabungan, jika Anda telah mereferensikan QAID4 dengan membuat kerumunan, setelah penggabungan, ketika Anda mencari pengguna menggunakan QAID4, Anda dapat mencari data QAID3. Oleh karena itu, tugas pemasaran terkait kerumunan tersebut masih dapat dilakukan secara normal.

• Sebelum penggabungan, mereka dianggap sebagai dua pengguna berbeda dengan satu ID Taobao. Setelah penggabungan, mereka dianggap sebagai satu pengguna dengan dua ID Taobao. Oleh karena itu, jumlah pengguna dan ID dalam tugas pemasaran dapat berubah seiring waktu, dan jumlah pengguna dan ID mungkin tidak konsisten.

Konflik label dalam Pemetaan ID dan solusi

Dalam proses pemetaan ID, selain konflik ID yang dijelaskan di atas, konflik label juga dapat terjadi, yaitu, untuk label nilai tunggal dalam tabel label yang sama, jika awalnya dua pengguna independen diidentifikasi sebagai pengguna yang sama karena data baru yang ditambahkan diidentifikasi sebagai pengguna yang sama, hanya salah satu nilai yang dapat diambil selama penggabungan data.

Dalam hal ini, sistem mempertahankan nilai label dengan waktu pembuatan paling awal.

Sebagai contoh, QAID5 dan QAID6 adalah dua pengguna independen, seperti yang ditunjukkan dalam tabel berikut.

Ketika Anda mengimpor tabel label nanti, QAID6 menambahkan nomor telepon baru sebagai nomor telepon 5, yang sama dengan nomor telepon QAID5 dan memiliki prioritas tinggi. Dalam hal ini, QAID5 dan QAID6 diidentifikasi sebagai pengguna yang sama selama pemetaan ID. Data berikut dipertahankan: